的度d(a)=N。若將無(wú)向連接圖中的結(jié)點(diǎn)與矩陣的下標(biāo)建立關(guān) 系，那么無(wú)向連接圖的度可W使用度矩陣(D)來(lái)唯一標(biāo)識(shí)，并為計(jì)算機(jī)可獲取。
[0051] 圖與圖合并:若兩個(gè)子圖（假定為圖A與圖B)中，均存在(且至少存在)一對(duì)具有聯(lián) 系的結(jié)點(diǎn)，記為結(jié)點(diǎn)a、結(jié)點(diǎn)b，那么兩個(gè)子圖可W合并。記在圖A和圖B中結(jié)點(diǎn)a,b之間的權(quán)重 分別為wl和合并后的圖中，結(jié)點(diǎn)a與結(jié)點(diǎn)b之間的權(quán)重W=wl+w2。
[0052] 鄰接矩陣(A):圖中結(jié)點(diǎn)之間的邊的值代表結(jié)點(diǎn)之間的關(guān)聯(lián)，計(jì)算機(jī)無(wú)法直接獲 取，解決方法是將無(wú)向連接圖轉(zhuǎn)換為其鄰接矩陣，按照求度矩陣時(shí)結(jié)點(diǎn)與矩陣下標(biāo)之間建 立的關(guān)系，可W將圖中的邊所具有的權(quán)重映射到矩陣之中。假定圖中有N個(gè)結(jié)點(diǎn)，那么矩陣 的規(guī)模為N*N，假定結(jié)點(diǎn)a、b分別對(duì)應(yīng)下標(biāo)0、1且結(jié)點(diǎn)之間的邊的權(quán)重為W，矩陣定義為Array [N][N]，因?yàn)闊o(wú)向連接圖不具有聯(lián)系的方向性，所W，令矩陣中的Array[0][l]=w或Array
[l][0]=w均可W表示無(wú)向連接圖中的邊，運(yùn)就是無(wú)向連接圖的鄰接矩陣的對(duì)稱性，不再單 獨(dú)介紹，因?yàn)檫\(yùn)種對(duì)稱性，所W無(wú)向連接圖的鄰接矩陣只需要使用一半的存儲(chǔ)空間，一般而 言，我們使用矩陣的上部分，對(duì)應(yīng)到上面的例子，令A(yù)rray[0][l]=w。
[0053] 接下來(lái)結(jié)合圖5,對(duì)詞聚類的具體步驟說(shuō)明如下：
[0054] S310:解析語(yǔ)法分析的結(jié)果。語(yǔ)法分析的結(jié)果WXML文本形式展現(xiàn)，通過(guò)解析，將其 修改為帶格式的txt文本。格式例如：Text_ID Para_ID Sentence_ID WordNodel命名實(shí)體 句法關(guān)系類別WordNode2
[0055] S320:段落中具有的句法關(guān)系的詞構(gòu)成了無(wú)向連接圖，得出無(wú)向連接圖的鄰接矩 陣。在計(jì)算地址時(shí)可W利用Double Array Trie進(jìn)行快速尋址。關(guān)于Double Array Trie,可 W參考W下文獻(xiàn)：
[0056] 王思力，張華平，王斌.雙數(shù)組化ie樹(shù)算法優(yōu)化及其應(yīng)用研究[A]，中文信息學(xué)報(bào)， 第20卷，第5期:PP25-26;
[0057] Theppitak K aroonboonyanan.An Implementation of Double-Array Trie[Z]， http: //1 inux. thai . net/~thep/dat-rie/datrie. html, 2003.
[0058] Jun-Ichi Aoe , Katsushi Mor imoto，Takashi Sato , An Efficient Implementation ofTrie Structures!! J]. Software-Practice and Experience. 1992，22 (9):695-721.
[0059] Aoe J.An Efficient Digital Search Algorithm by Using a Double-Array Structured]. IEEE Transactions on Software Engineering.1989,15(9):1066-1077.
[0060] S330:求鄰接矩陣的廣義逆矩陣。
[0061] S340:按照距離計(jì)算公式計(jì)算段落中任意兩個(gè)詞之間的距離。具體為：
[0062] 將詞關(guān)系表示模型中結(jié)點(diǎn)之間的關(guān)系視為電導(dǎo)率，則對(duì)應(yīng)結(jié)點(diǎn)之間的電阻為電導(dǎo) 率的倒數(shù)，進(jìn)而可W得到電阻網(wǎng)絡(luò)。得到電阻網(wǎng)絡(luò)后，我們通過(guò)拉普拉斯圖L計(jì)算任意詞之 間的電阻，L = A-D，其中A是圖的鄰接矩陣，D是圖的度矩陣，貝帷意兩個(gè)結(jié)點(diǎn)（詞）j、k之間的 電阻(距離)為
[0063]
，
[0064] 其中L+為圖L的偽逆矩陣。
[00化]S350:重復(fù)S320-S340，直至該類中所有的段落都得到處理。
[0066] S360:根據(jù)單一段落中詞與詞之間的距離計(jì)算該文本集中任意兩個(gè)詞的距離，因 為任意兩個(gè)段落內(nèi)的句法是互不干設(shè)的，所W按照并聯(lián)公式計(jì)算文本集中任意兩個(gè)詞的距 離。對(duì)于N個(gè)段落中的結(jié)點(diǎn)（詞)A、B而言，其在整個(gè)文本集中的距離為：
[0067]
[006引其中，riAB是指在段落i中，從A至化的距離，當(dāng)在段落i中A、B兩個(gè)詞沒(méi)有聯(lián)系時(shí)，其 距離為無(wú)窮大。
[0069] S370:將所有段落的無(wú)向連接圖合并，得到該簇中整個(gè)文本集的無(wú)向連接圖，執(zhí)行 程序得到其鄰接矩陣，運(yùn)里可W使用Double Array化ie快速尋址，通過(guò)鄰接矩陣得到無(wú)向 連接圖的度矩陣。
[0070] S380:分析度矩陣，研究無(wú)向連接圖中每個(gè)節(jié)點(diǎn)的度，尋找聚類中屯、。具體尋找聚 類中屯、的算法隨后介紹。
[0071] S390:根據(jù)S360獲得的詞距離和S380所得聚類中屯、進(jìn)行聚類。聚類算法隨后介紹。
[0072] 需要說(shuō)明書的是：步驟S380尋找聚類中屯、與步驟S390聚類過(guò)程是交織在一起的， 嚴(yán)格的說(shuō)，尋找聚類中屯、是聚類過(guò)程的一部分，為了方便說(shuō)明，才將之獨(dú)立為兩個(gè)步驟。
[0073] 下面結(jié)合圖6,介紹聚類算法(步驟S380、S390)。首先約定如下定義：
[0074] 1.聚類中屯、候選點(diǎn)N:通過(guò)聚類中屯、尋找算法選取一些結(jié)點(diǎn)作為將要聚類類簇的 中屯、點(diǎn)，運(yùn)些結(jié)點(diǎn)被稱為聚類中屯、候選點(diǎn)，簡(jiǎn)稱候選點(diǎn)。例如結(jié)點(diǎn)a被選中為候選點(diǎn)，則記為 Na。
[007引2.待聚結(jié)點(diǎn)node:結(jié)點(diǎn)中除候選點(diǎn)外所有的結(jié)點(diǎn)被稱為待聚結(jié)點(diǎn)。例如結(jié)點(diǎn)b未被 選為候選點(diǎn)，則認(rèn)為是待聚結(jié)點(diǎn)，記為nodeb。
[0076] 3.距離DIS:表示結(jié)點(diǎn)與結(jié)點(diǎn)之間的距離。例如結(jié)點(diǎn)a與結(jié)點(diǎn)b之間的距離記為 DISab，應(yīng)當(dāng)理解DISab與DI訊a是一致的。
[0077] 4.候選點(diǎn)間最小距離dis:特使用于候選點(diǎn)之間，表示對(duì)于候選點(diǎn)化，遍歷化與其 他所有候選點(diǎn)之間的距離DISa*后，選取最小值，記為候選點(diǎn)Na的候選點(diǎn)間最小距離disa。
[0078] 5.距離闊值T:聚類中屯、候選點(diǎn)為化，則所有滿足DISax<T的待聚結(jié)點(diǎn)X構(gòu)成的集合 聚為一個(gè)類C，將運(yùn)個(gè)T稱作距離闊值。
[0079] 6.重疊區(qū)域lap:假定類Q和類C2的聚類中屯、分別為化、抓，當(dāng)DISab<2T時(shí)，類C1和 類C2會(huì)在空間上有重疊部分，對(duì)運(yùn)部分重疊區(qū)域記為lap。
[0080] 7.終止闊α:在聚類算法中作為終止條件的參數(shù)。
[0081] 首先指出，聚類過(guò)程核屯、思想是將滿足距離候選點(diǎn)距離小于Τ的待聚結(jié)點(diǎn)劃分到 對(duì)應(yīng)的類中，并將之從待聚結(jié)點(diǎn)中去除，而對(duì)于重疊區(qū)域的點(diǎn)，我們遵循如下原則:重疊區(qū) 域中的待聚結(jié)點(diǎn)劃分到距離最近的聚類中屯、候選點(diǎn)對(duì)應(yīng)的類中。
[0082] 聚類中屯、尋找算法(步驟S380)如下：
[0083] S381:將所有人為標(biāo)注的種子記為聚類中屯、候選點(diǎn)Ν，建立矩陣存儲(chǔ)他們之間的相 互聚類DIS。
[0084] S382:獲得所有聚類中屯、候選點(diǎn)間最小距離dis，構(gòu)成集合Setdis。
[0085] S383:計(jì)算Setdis中數(shù)據(jù)的均值作為距離闊值，使用闊值T計(jì)算公式如下：
[0086]
[0087] S384:調(diào)用聚類算法進(jìn)行聚類，判斷聚類算法是否滿足終止條件，若滿足則結(jié)束， 若不滿足則進(jìn)入步驟S385。
[0088] S385:取待聚結(jié)點(diǎn)中度最高的結(jié)點(diǎn)添加到候選點(diǎn)中，重復(fù)步驟S381-S384。
[0089] 聚類過(guò)程核屯、思想是將滿足距離候選點(diǎn)距離小于T的待聚結(jié)點(diǎn)劃分到對(duì)應(yīng)的類 中，并將之從待聚結(jié)點(diǎn)中去除，而對(duì)于重疊區(qū)域的點(diǎn)，我們遵循如下原則:重疊區(qū)域中的待 聚結(jié)點(diǎn)劃分到距離最近的聚類中屯、候選點(diǎn)對(duì)應(yīng)的類中。
[0090] 提出重疊區(qū)域的目的是衡量當(dāng)前方案的優(yōu)劣，我們認(rèn)為最優(yōu)解是噪聲點(diǎn)外所有的 點(diǎn)都被區(qū)分且不存在重疊區(qū)域，運(yùn)里存在兩條含義：1.盡可能多的點(diǎn)得到聚類;2.重疊區(qū)域 盡可能小。實(shí)際情況中，當(dāng)距離闊值T變動(dòng)時(shí)，重疊區(qū)域會(huì)發(fā)生變化，可能出現(xiàn)運(yùn)樣的情況： 時(shí)，最終聚類結(jié)果一致，且都存在重疊區(qū)域，但我們認(rèn)為對(duì)應(yīng)重疊區(qū)域更小的（或者說(shuō)重疊 區(qū)域中包含結(jié)點(diǎn)數(shù)較少的)更接近于最優(yōu)解，運(yùn)符合含義2。
[0091] 仔細(xì)思考我們會(huì)發(fā)現(xiàn)可聚類的結(jié)點(diǎn)數(shù)量與重疊區(qū)域之間存在一定規(guī)律，假設(shè)所有 聚類中屯、已確定，當(dāng)T的取值從0逐漸增大時(shí)，可聚類的結(jié)點(diǎn)數(shù)量和重疊區(qū)域有增大趨勢(shì)，在 運(yùn)個(gè)過(guò)程的前部分，我們逐漸接近最優(yōu)解，當(dāng)T增大到一定程度時(shí)，所有的結(jié)點(diǎn)都將得到聚 類(假定剛好全部得到聚類時(shí)的巧己為τ'），當(dāng)T繼續(xù)增大